Een nieuw AI-machine learning-model is in staat om vrijwel elke keer nauwkeurig bepaalde ziekten te diagnosticeren door simpelweg naar de tong van de patiënt te kijken. De nieuwe technologie, hoewel geavanceerd, haalt haar inspiratie uit medische benaderingen die al meer dan 2000 jaar door mensen worden gebruikt.
Als het gaat om het diagnosticeren van ziekten, wenden de traditionele Chinese geneeskunde en andere praktijken zich vaak tot de taal voor aanwijzingen. Op basis van zijn kleur, vorm en dikte kan een spier een reeks mogelijke gezondheidsproblemen aan het licht brengen – van kanker tot diabetes, zelfs astma en maag-darmproblemen. Nu, na meer dan twee millennia in de mond van patiënten te hebben gekeken naar antwoorden, kunnen artsen binnenkort een second opinion krijgen van kunstmatige ogen, aangedreven door machinaal leren.
[Related: An experimental AI used human brain waves to regenerate images.]
“Menselijke tongen bezitten unieke kenmerken en kenmerken die verband houden met de interne organen van het lichaam, die ziekten effectief detecteren en hun voortgang volgen… Onder hen is de kleur van de tong van het grootste belang”, zegt een team van technische onderzoekers dat samenwerkt tussen de University of South Australia (UniSA) en de Iraqi Middle Technical University (MTU) in een recente studie gepubliceerd in het tijdschrift: Technologieën.
Ali Al-Naji, senior auteur van het artikel en universitair hoofddocent bij UniSA’s Department of Medical Instrumentation Engineering, presenteerde een aantal scenario’s in een aankondiging van het onderzoek op 13 augustus.
“Normaal gesproken hebben mensen met diabetes een gele tong; kankerpatiënt paarse tong met dikke vetlaag; en patiënten met een acute beroerte hebben een rode tong met een ongebruikelijke vorm”, legde hij uit. Een witte tong kan duiden op bloedarmoede, terwijl een indigo- of paarse kleur duidt op vasculaire en gastro-intestinale problemen of astma. In recentere gevallen kunnen dieprode tongen het bewijs leveren van ernstige gevallen van COVID-19.
Net als vergelijkbare algoritmische programma’s voor machinaal leren, heeft het team van Al-Naji hun eigen systeem gebouwd door het visueel te trainen op twee sets gegevens. Eerst laadden ze 5.260 afbeeldingen in zeven kleuren bij verschillende verzadigingen en lichtomstandigheden. Hiervan vertegenwoordigden 300 “grijze” vermeldingen verschillende ongezonde talen, samen met 310 “rode” selecties in plaats van gezonde voorbeelden. Vervolgens trainden twee Iraakse academische ziekenhuizen in Dhi Qar en Mosul het systeem in realtime met behulp van 60 foto’s die een mix lieten zien van gezonde menselijke tongen en mensen met verschillende ziekten, waaronder schimmelinfecties, astma, COVID-19, schimmelpapillen en bloedarmoede.
Eindelijk was het tijd om het algoritme persoonlijk te testen. Nadat het programma op een USB-webcam was aangesloten, werd aan zowel gezonde als zieke vrijwilligers gevraagd om hun tong op 20 cm van de camera te plaatsen om te scannen. De resultaten vertoonden volgens het team van Al-Naji “opmerkelijke nauwkeurigheid”.
“Het voorgestelde systeem zou effectief verschillende ziekten kunnen detecteren die duidelijke veranderingen in de kleur van de tong vertonen, met een nauwkeurigheidspercentage van getrainde modellen van meer dan 98 procent”, schrijven ze in de conclusie van het onderzoek. Bij 60 tongafbeeldingen behaalde het programma een nauwkeurigheid van 96,6 procent.
Volgens de onderzoekers zijn ze van mening dat de experimenten de veelbelovende haalbaarheid illustreren van het integreren van vergelijkbare of verbeterde AI-systemen in medische faciliteiten om op een dag een “veilige, efficiënte, gebruiksvriendelijke, gemakkelijke en kosteneffectieve methode voor ziektescreening te bieden.”